本研究旨在找出影響消費者信用貸款違約之重要變數，並藉以建立消費者 信用貸款違約風險評估模型，以期做為銀行在信用貸款風險管理上之參考依 據。本研究以相關分析、因素分析及主成份分析來選擇及整合對信用貸款違約 有重要影響力之變數，並以分類與迴歸決策樹(CART) 進行預測違約模型之 建構，最後經由模型預測能力指標、ROC 曲線與Cumulative Lift 曲線之綜合 比較後，選取出消費者信用貸款違約風險預測之最適模型~「違約逾期相關程度法-決策樹」模型。研究結果顯示，此模型整體的預測正確率可達77%以上。

This research is for the purpose of discovering the important variables which will affect consumer credit loan. So as to and establishes the default risk model of consumer credit loan. This research uses the correlation analysis, factor analysis and principle component analysis to integrate those important effective variables. And the CART (Classification and Regression Tree) method is adopted lo build up a default risk model of consumer credit loan. Three kinds of variable selection models including "correlated with default ",“factor analysis", and “principle analysis" are proposed and compared. By comparing the Accuracy rate, ROC Curve, and Cumulative Lift Curve of those models, the “correlated with default" model is chosen to be the adaptable model. The Accuracy rate of this chosen model is high than 77 percent.

消費者小額信用貸款主要強調申請便利及核貸迅速，其申請對象分布於社會各階層，故所面臨的違約風險迥異且不易掌控。因而，各銀行特別強調個人的信用狀況評估與違約風險的測量，期能透過有效辨識顧客違約風險程度給予不同風險屬性的顧客適當的授信調整，以降低銀行業者的違約損失。本研究與國內某家金控銀行合作，採用分類與迴歸樹(CART)方法，建立消費者小額信用貸款違約風險評估模型。本研究結果呈現的管理意涵，分別闡述如下： 1.依據本研究的資料庫，若不採用任何風險預測模型隨機猜測顧客的違約逾期狀況，平均每6至7個顧客才有可能抓取到一個違約逾期顧客。而採用本模型，在經篩選後的不良顧客中前每3個顧客就抓取到一個實際違約逾期顧客。在本研究預測違約率排名前4%的顧客中，可抓取到15%實際違約逾期顧客，且每2個顧客就抓取到一個實際違約逾期顧客；在本研究預測違約率排名前20%的顧客中，可抓取到47%實際是違約逾期顧客。採用本決策樹模型可有效判讀出高違約逾期族群，並針對其進行規避或控管等策略；另一方面亦可篩選出信用狀況良好之顧客，加以積極爭取。總而言之，運用本模型可以節省銀行授信人力及時間成本，提升審核放款效率及違約控管能力，為銀行爭取更高之利潤。 2.本模型篩選出對違約逾期有顯著影響的變數依重要度排序為：最近三個月他行查詢家數、信用總額度與總掛帳總金額之差值、性別、學歷、現任公司地址、過去N月全額繳清次數比率、具預借現金的信用卡張數及平均信用額度等8個。建議銀行在進行信用貸款授信時，可精簡地採用此8個變數進行顧客之授信控管。 3.本研究發現若申請者最近三個月他行查詢銀行家數愈高、信用總額度與總掛帳總金額的差值愈小、過去N月全額繳清次數比率愈低、具預借現金的信用卡張數愈多、平均信用額度愈低，其發生違約逾期情形愈高。另外，男性者，發生違約逾期情形較女性高；學歷愈低者，發生違約逾期之情形亦較高。此一結果亦可做為銀行在進行授信時的參考。